[논문 리뷰] Map equation for link community

Youngdo Kim, Hawoong Jeong|arXiv (Cornell University)|2011. 05. 02.

Complex Network Analysis Techniques인용 수 13

한 줄 요약

이 논문은 원래 노드 커뮤니티를 위한 것으로 개발된 맵 방정정식 방법을 확장하여, 최소 기술 길이 원칙을 활용해 네트워크 내의 링크 커뮤니티를 탐지한다. 노드가 아니라 링크에 커뮤니티를 재할당함으로써, 이 방법은 겹치는 노드 커뮤니티를 효율적으로 식별하고, 겹침의 유의미함을 통해 링크 커뮤니티와 노드 커뮤니티 기반 방법을 정량적으로 비교한다. 그 결과, 많은 실제 네트워크에서 링크 커뮤니티가 구조적 조직을 더 잘 반영하는 것으로 나타났다.

ABSTRACT

Community structure exists in many real-world networks and has been reported being related to several functional properties of the networks. The conventional approach was partitioning nodes into communities, while some recent studies start partitioning links instead of nodes to find overlapping communities of nodes efficiently. We extended the map equation method, which was originally developed for node communities, to find link communities in networks. This method is tested on various kinds of networks and compared with the metadata of the networks, and the results show that our method can identify the overlapping role of nodes effectively. The advantage of this method is that the node community scheme and link community scheme can be compared quantitatively by measuring the unknown information left in the networks besides the community structure. It can be used to decide quantitatively whether or not the link community scheme should be used instead of the node community scheme. Furthermore, this method can be easily extended to the directed and weighted networks since it is based on the random walk.

연구 동기 및 목표

• 네트워크 내 링크 커뮤니티를 탐지하기 위한 방법을 개발함으로써, 전통적인 노드 기반 커뮤니티 탐지 기법을 넘어서는 것.
• 노드에 연결된 링크에 커뮤니티를 할당하여 겹치는 노드 커뮤니티를 효율적으로 식별하는 것.
• 링크 커뮤니티와 노드 커뮤니티 기반 방법 간의 정량적 프레임워크를 제공하는 것.
• 기존 방법들과의 성능 비교를 위해 알려진 메타데이터를 가진 실제 네트워크를 사용하여 방법의 타당성을 검증하는 것.

제안 방법

• 최소 기술 길이(MDL) 원칙에 기반한 맵 방정식 방법을 노드가 아니라 링크에 커뮤니티를 할당하도록 변형한다.
• 랜덤 워크 인코딩 규칙을 수정하여 링크에 할당된 커뮤니티를 반영함으로써, 워크의 평균 기술 길이를 최소화한다.
• 링크의 커뮤니티 구조에만 의존하는 새로운 맵 방정식을 유도하여, 표준 커뮤니티 탐지 알고리즘을 통한 최적화를 가능하게 한다.
• 링크 커뮤니티와 노드 커뮤니티 기반 방법 간의 비교를 위한 정량적 지표로 겹침의 유의미함(𝒪)을 도입한다.
• 랜덤 워크 기반의 특성을 활용하여 가중치가 있는 네트워크와 방향성 네트워크로의 방법 확장을 수행한다.
• 메타데이터 비교와 모델 네트워크를 활용하여 방법의 효과성과 해석 가능성 검증

실험 결과

연구 질문

• RQ1 맵 방정식 프레임워크를 사용해 링크 커뮤니티를 효과적으로 탐지할 수 있으며, 이는 겹치는 노드 커뮤니티 탐지에 개선을 가져오는가?
• RQ2 링크 커뮤니티 탐지 성능을 노드 커뮤니티 탐지와 정량적으로 비교할 수 있는가?
• RQ3 실제 네트워크에서 겹침의 유의미함(𝒪)은 무엇이며, 이는 커뮤니티 구조에 대해 무엇을 드러내는가?
• RQ4 어떤 유형의 네트워크에서 링크 커뮤니티 기반 방법이 노드 커뮤니티 기반 방법보다 더 적합한가?
• RQ5 가중치가 있는 네트워크와 방향성 네트워크로 맵 방정식을 링크 커뮤니티에 확장할 수 있으며, 이때 효율성과 정확성이 유지되는가?

주요 결과

• 링크 커뮤니티 방법은 각 노드에 연결된 링크에 커뮤니티를 할당하여 겹치는 노드 커뮤니티를 성공적으로 탐지한다.
• 정치 블로그, 레스 미제라블, 돌고래 네트워크 등 많은 사회적 네트워크에서 겹침의 유의미함(𝒪)이 0.0035를 초과하여, 강한 커뮤니티 겹침을 나타낸다.
• C. elegans와 대사 네트워크와 같은 생물학적 네트워크는 음수의 𝒪 값을 보이며, 커뮤니티 겹침이 거의 없음을 시사하지만, 단백질-단백질 상호작용 네트워크는 양수의 𝒪를 보이며, 상당한 겹침이 있음을 나타낸다.
• 대학 축구 네트워크는 비겹침 커뮤니티(낮은 𝒪)를 보이며, 지역 리그 구조와 일치하여 겹침 측정 기준의 타당성을 검증한다.
• 이 방법은 노드와 링크 커뮤니티 기반 방법 간의 정량적 비교를 가능하게 하여, 많은 실제 네트워크에서 링크 커뮤니티가 조직 구조를 더 잘 반영함을 보여준다.
• 랜덤 워크 동역학에 기반함으로써, 이 방법은 가중치가 있는 네트워크와 방향성 네트워크로의 확장이 가능하다.